面试问你是否愿意996怎么回答？

最新推荐文章于 2024-07-06 11:07:28 发布
最新推荐文章于 2024-07-06 11:07:28 发布
阅读量167 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_36841920/article/details/91695939
版权

解读圈内热文时事，为你带来有价值的内容

关注后点击“最有价值”，拉你进群~

深入浅出核心知识点和面试点


当互联网人疯狂消费完996之后，愈发觉得996不止是一种态度，更是一种生活方式的选择。


这里要说的是一个很重要的场景，当你去面试时，面试官或者HR问你是否愿意996，你该如何回答？


其实当对方问出这一个问题的时候，你就该知道大概率会有以下几种可能：


1、看你是否愿意为公司做奉献，甚至花更多的个人时间；

2、想考验你对工作与生活的权衡，对待工作的态度，思考问题的逻辑；

3、看你是否足够重视这个机会，工作的积极性，以及和公司的一些价值观是否符合。


一般来说，认真问出这个问题的，可能就是在犹豫要不要你，所以比较稳妥的回答可以参考：


1、项目上线、各种急事，那必须加班，基本的职业素养；

2、工作高效，尽量把工作和生活的时间隔离开来；

3、一切服从公司的合理安排，相信公司会对各种情况做出合理的判断。


从个人角度来说，我觉得这个问题没有对错，毕竟成年人只看利弊，而我作为一个老程序员，也因为盲目避开996错过了很多机会，所以说这个事情没有绝对。



996其实是表象，关键在于它背后的东西是什么。你需要思考你真正想要的是什么，无非是名和利，另外就是偷懒。所以996还是要看个人是否愿意为这背后的东西付出，有得到就有相应的失去。


如果你跟自己妥协了，就是想要稳稳当当过一生，那就果断离开996的公司。而如果你还想再拼一把，搏一搏，又正好有一个机会是以996为形式的，那就毫不犹豫选择它。但我个人是坚决反对强制996的。


为什么说996是一种生活方式的选择？说白了就是在身体和赚钱之间做选择，身体其实代表了家庭和生活，但即使没有996很多人也会搞垮自己的身体，两者没有必然的联系。


总的来说，希望大家不要像我一样，既没有实现自己的理想，也把身体搞垮了。相反，为了实现自己的理想，大家应该要学会更加克制自己的欲望，努力锻炼自己的身体，让事情朝正向循环可持续地发展起来。


推荐阅读：

京东程序员写自动化程序，代替自己陪女友！


商务合作 / 技术交流 / 投稿转载

微信：x123z123xy


640?wx_fmt=jpeg


不求赞赏，只求 “好看  ”

s张
关注
【过关斩将5】你是怎么看待加班的？
互联网老辛
06-28 3455
大家好，我是高胜寒，本文是过关斩将的第5篇文章，过关斩将系列主要讨论面试中那些常被问到的高频问题，胜寒将会从面试者的角度来带大家一起分析，避免踩坑。 运筹帷幄之中，决胜千里之外，我是高胜寒，今天我们一起聊聊“你是如何看待加班的”这个问题。 工作中真的需要加班吗？ 是的，加班是一种常态！ 加班常见的有996和007两种。 什么是996？ 就是那种早上9点一直干到晚上9点，一周上6天班的快乐生活， but 你太年轻，早上9点可不是让你9点到公司，公司希望的是你最好7点能到公司。 什么是007？ 就是那种 早.
面试时、软件测试技术不是你的拦路虎，HR才是你拦路人
Yanan990830的博客
08-05 291
你为什么想要加入我们公司？ 这个问题的回答要体现出你个人对岗位的兴趣，可以从行业、公司、岗位三个方面来讲： 1.行业：如果是传统行业，可以从行业业务长久，稳定性强来讲； 如果是新兴行业，就说行业发展前景好，是未来的趋势。 2.公司：如果是大公司呢，还用说，是自己一直想进入的理想企业； 如果是小公司呢，就说想挑战自己，想多多历练。 3.岗位：可以说，公司提供的岗位与自己的未来职业发展规划很匹配，希望自己能够在不断提升过程当中，为公司创造更多的价值，与公司共同成长。...
如果面试的时候，HR 问你如何看待 996，该怎么回答？
Dylan_zhijing的博客
07-28 2580
不同的面试，公司和岗位背景差异较大，需具体情况，具体分析。 其实，影响你如何看待996，无非就4个因素：重视成长、重视生活、高价值岗位和低价值岗位。 下文，将针对不同情况来分出不同的象限，并展开分析具体的应对策略。 下面将会对这张图进行详细叙述 第一种情况，重视成长，岗位价值高，就要积极争取。 4月11日，马云在阿里巴巴内部交流活动上发表自己对996的看法。 “这个世界上，我们每一个人都希望成功，都希望美好生活，都希望被尊重，我请问大家，你不付出超越别人的努力和时间，你怎么能够实现你想要的成功？” 虽然
面试被问：“你如何看待加班问题？” 该如何回答
zkaqlaoniao的博客
10-22 639
原则上是拒绝无休止的高强度日常加班（何为被问高强度我刚才已经教你怎么说了），但是如果公司有突发状况如项目上线，需要高强度加班是完全可以理解的，这也是我觉得一个合格的程序员应该有的觉悟吧（这里注意说话的语气和言辞以及方式）。PS：不针对面试，就说说咱们自己应该如何看待加班。不要把加班看成一种吃亏，对于没对象的同学，仔细想想，你下班回去可能无非就是处理一些杂事儿、或者玩游戏、追剧。
46 道阿里巴巴 Java 面试题，你会几道？
澎湖Java架构师的博客
10-11 1145
有需要的伙伴请点㊦方】↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓。（像蚂蚁这种你懂的）如果候选人的调性符合（足够官方），可以这么回答：我也理解蚂蚁金服现在的薪资架构，我相信公司会根据我的能力给出一个合理的薪水方案，我相信只要把事情做好，该有的一定会有的对于蚂蚁这样的部门。2、阿里里面的 HR 都是懂业务的，会结合对候选人的判断和业务的把控进行筛选，不要忽悠他们…
名企面试必问30题（二十二）——你对加班的看法？
zhanghaiou07657的博客
07-06 575
总的来说，我会以工作需求为导向，在必要的时候全力配合加班，同时也期待和团队一起努力，通过科学的方法尽量减少无意义的加班，提高工作效率和质量。同时，我也希望在日常工作中，我们能够通过合理的任务分配、有效的时间管理以及高效的团队协作来优化工作流程，减少那些由于计划失误或者协调不当导致的不必要加班。比如当项目进度紧张、面临交付期限，或者出现紧急的软件故障需要及时修复以确保产品质量和客户体验时，加班是必要的，也是为了更好地实现公司的业务目标和团队的整体利益，在这种情况下我非常愿意投入额外的时间和精力为公司奉献。
最新阿里等一线大厂面试，这些你会吗？
m0_69440446的博客
04-14 93
7.OkHttp网络访问框架设计 8.Glide图片加载框架 9.RXJava2架构分析和源码详解 10.IOC框架设计和设计模式 四.Flutter方面 1.Dart语法详解与编译原理 2.为什么Flutter是跨平台技术革命 《Android学习笔记总结+最新移动架构视频+大厂安卓面试真题+项目实战源码讲义》开源 3.Fliutter进阶与优化-如何进一步提升Flutter内存表现 HR面试： 1、上一家公司，你为什么会离职？ 2、你怎么看待自己以后的职涯？（包括工作和家庭的分配，怎么平衡家庭和工作
应聘软件测试怎么回答HR 问到的问题？收藏这一篇就够了！
qishuzdh的博客
08-28 705
笔者在上一篇文章有和小伙伴们说过，最近的文章都是发和面试相关的内容，因为马上就要金九银十了，这篇文章呢主要讲的是面对hr的一些提问我们要怎么去回答，笔者具体列举出来了一些hr常问的一些问题，希望可以帮助到大家，废话就不多说了，直接上干货。...
46 道阿里的Java 面试题，你会几道？
qq_24047659的博客
03-12 192
做技术的有一种资历，叫做通过了阿里的面试。 这些阿里Java相关问题，都是之前通过不断优秀人才的铺垫总结的，先自己弄懂了再去阿里面试，不然就是去丢脸，被虐。 希望对大家帮助，祝面试成功，有个更好的职业规划。 一、面试常见问题 1、微信红包怎么实现。 2、海量数据分析。 3、测试职位问的线程安全和非线程安全。 4、HTTP2.0、thrift。 5、面试电话沟通可能先让自我介绍。 ...
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
应用背景为变电站电力巡检，基于YOLO v4算法模型对常见电力巡检目标进行检测，并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务，并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
前端面试问你使用过webpack吗？我应该如何回答？
05-09
如果你曾经使用过webpack，可以简单介绍一下你的使用经验，例如： 是的，我曾经使用过webpack。在一个React项目中，我使用webpack来打包和压缩代码，以及加载CSS和图片等资源。我还配置了一些插件来自动刷新浏览器...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值